基于增量式樸素貝葉斯分類方法的電梯交通模式識(shí)別方法的研究.pdf

1、在電梯群控系統(tǒng)中，能否有效的分析和處理電梯交通流數(shù)據(jù)是影響電梯群控系統(tǒng)性能的一個(gè)重要因素。因此對(duì)建筑物內(nèi)部的交通狀況進(jìn)行準(zhǔn)確分類，在不同的交通狀況下采用不同的電梯群控策略，可以有效地提高電梯的服務(wù)質(zhì)量和各項(xiàng)性能指標(biāo)。目前最主要的是采用模糊神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行電梯交通模式識(shí)別，但是該方法由于算法訓(xùn)練耗時(shí)大、網(wǎng)絡(luò)結(jié)構(gòu)具有不可確定性、而且對(duì)訓(xùn)練數(shù)據(jù)的依賴性較大、泛化能力差，使得電梯交通模式識(shí)別的準(zhǔn)確率不高。樸素貝葉斯因其條件屬性和決策類別間關(guān)系清晰

2、、分類速度快，并且具有良好的健壯性，已被成功應(yīng)用到許多領(lǐng)域。當(dāng)獲得大量帶有類別標(biāo)注的樣本代價(jià)較高時(shí)，與增量學(xué)習(xí)理論結(jié)合是解決問(wèn)題的有效途徑。因此，如何實(shí)現(xiàn)樸素貝葉斯分類與增量學(xué)習(xí)算法相結(jié)合應(yīng)用于電梯交通模式識(shí)別是一個(gè)值得研究和解決的課題。
　　 論文主要包括以下工作內(nèi)容：
　　 ①在分析貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，特點(diǎn)和應(yīng)用的基礎(chǔ)上建立了一個(gè)樸素貝葉斯分類器模型。
　　 ②針對(duì)傳統(tǒng)的增量算法重點(diǎn)介紹了一種新的增量序列學(xué)習(xí)算法

3、，該算法引入一個(gè)分類損失權(quán)重系數(shù)λ，用于計(jì)算分類損失的大小，引入該系數(shù)的作用在于：充分利用先驗(yàn)知識(shí)對(duì)分類器進(jìn)行優(yōu)化；通過(guò)選擇合理的學(xué)習(xí)序列強(qiáng)化了較完備數(shù)據(jù)對(duì)分類的積極影響，從而可以提高分類精度。
　　 ③將樸素貝葉斯分類器模型與改進(jìn)后的增量序列學(xué)習(xí)算法相結(jié)合從而建立了一個(gè)基于增量式樸素貝葉斯分類模型。最后，在認(rèn)真分析了電梯交通流的特點(diǎn)和規(guī)律的基礎(chǔ)上將該模型運(yùn)用于電梯交通的模式識(shí)別中，通過(guò)對(duì)電梯交通流數(shù)據(jù)進(jìn)行采集分析和特征的提取，

4、利用MATLAB進(jìn)行了模擬測(cè)試，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了比較分析，測(cè)試結(jié)果表明該方法對(duì)電梯交通模式識(shí)別的準(zhǔn)確率為92.3％，相比于模糊神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率90.6％有所提高，因此其分類性能更加令人滿意。
　　 通過(guò)定義并建立一種基于樸素貝葉斯分類器和增量序列學(xué)習(xí)算法相結(jié)合的分類模型，為實(shí)現(xiàn)電梯交通模式識(shí)別提供了一種有效的解決辦法。由于辦公大樓的客流規(guī)律比較明顯，因此課題只是針對(duì)一般性的辦公大樓的電梯交通流進(jìn)行的研究，而對(duì)于像商場(chǎng)，普通